基于PDS算法的不同光照下模型传递研究

基于PDS算法的不同光照下模型传递研究

作者：张文君唐红

来源：《湖北农业科学》2017年第05期

摘要：针对在室外光照对样品使用近红外光谱检测带来误差的问题，提出基于模型传递来减少检测误差的方法。以圆黄梨为样品，分析样品在室内、室外阴影下的近红外光谱，建立室内光谱的PLS模型。采用分段直接校正（Piecewise Direct Standardization，PDS）算法，减小

室内外光谱差距，使得室内PLS模型能预测室外光谱。结果表明，在室内建立的模型能预测

经PDS算法传递后的室外光谱，预测决定系数（R2）和标准差（Root Mean Square Error of Prediction，RMSEP）分别为0.64和0.565 27，能有效地解决室外光照对光谱检测影响的问

题。

关键词：近红外光谱；分段直接校正；光照影响；模型传递；糖度

中图分类号：O657.33 文献标识码：A 文章编号：0439-8114（2017）05-0969-04

DOI：10.14088/ki.issn0439-8114.2017.05.046

Research on Model Transfer Based on the Piecewise Direct Standardization

at Different Illumination

ZHANG Wen-jun， TANG Hong

（College of Metrology Measurement Engineering， China Jiliang University， Hangzhou 310018，China）

Abstract： For an error problem caused by near infrared spectrometer was used to detect sample at outdoor， a method was proposed based on model transfer to reduce the measurement error. Using the Wonhuwang pears samples， which analysis near infrared spectrum of samples of indoor and outdoor shade by near infrared spectroscopy（NIRS） and using an indoor spectrum by establishing a partial least squares（PLS） model. This experimental was using the Piecewise Direct Standardization （PDS） algorithm to reduce the gap between the indoor and outdoor shade spectrum. The model could effectively predict the outdoor spectrum. The experimental results show that the coefficient of determination R-squared of the prediction set was 0.64 and the root mean of square error of prediction（RMSEP） of the prediction was 0.565 27， it could effectively solve the measurement error using near infrared spectrometer at outdoor.

Key words： NIRS； PDS； illumination； model transfer； sugar

中国是水果产量大国，但水果出口率仍然较低，而导致出口率低下的主要因素是对水果处理技术的不成熟，水果质量的管控没有得到很好的保障。目前，水果检测技术采用较多的是近红外光谱技术，该技术具有快速、绿色、无损等特点，但由于影响近红外光谱仪检测准确性的因素较多，更多的应用在室内恒定的条件下，在室外应用的结果不理想。在室外检测水果，太阳光的照射会改变入射光谱，使得水果漫反射光谱发生改变，从而影响检测结果。

为了解决室外的光照对光谱仪检测的影响，国内外学者做了很多研究。Saranwong等[1]使用便携式近红外光谱仪在果园对芒果进行了光谱检测及分析，发现黑色袋子能消除部分光照的影响，但该方法适用范围有限，且对实际应用带来不便。吴方龙等[2]在室内利用灯光来模拟室外光照对梨进行了光谱检测，用预处理方法消除了光照影响，但该试验不能很好地反应实际应用情况。

近年来，近红外光谱仪在使用中经常会遇到测量环境发生改变时，模型无法共用的问题。很多学者提出采用模型传递来解决这个问题。模型传递可以减少由于测试环境的变化需要重建模型的麻烦。如，林振兴等[3]将PDS算法用于检测不同温度下的喷漆燃料光谱，有效地解决了温度对喷漆燃料光谱检测带来的影响。

本研究以圆黄梨为样本，对其糖度进行了室内、外不同光照条件下的近红外光谱检测，采用PDS算法对室外光谱进行模型传递，使得室内模型能很好地预测室外光谱，以期为近红外光谱仪在室外的应用提供参考。

1 模型传递原理与PDS算法

随着化学计量学及光谱学的快速发展，近红外检测技术随之进入一个新的时代，它已成为一种快速和高效的分析技术，成功应用在食品[4]、药物[5]、工业[6]等行业。这种分析技术为多元校正方法，即对样品的自变量和因变量之间的建立函数关系（建立数学模型），该过程为校正。预测过程是通过自变量数据和已建模型来计算因变量数据[7，8]。该分析技术在光谱分析中也被称为模型传递（Model Transfer），基于光谱模型传递的校正过程有DS（Direct Standardization，直接校正）算法、PDS（Piecewise Direct Standardization，分段直接校正）算法和Shenk’s算法[9]。以下介绍PDS算法和传递模型稳健性的评价。

1.1 模型传递

模型传递是为了解决样品所建模型在不同仪器上不能共用的问题，即在某一仪器（称源机，Master）上建立一个多元校正模型，而该模型在另外一台与源机相同型号的仪器（称目标机，Slaves）上无法使用，或者结果产生较大的偏差，通过模型传递可以消除仪器之间的偏差。同理，在不同光照环境下，对光谱分析也可以采用模型传递来消除光照环境对样品检测的影响。首先，利用近红外光谱仪测量样品的光谱。即室内光谱采用主仪器光谱（Master），室外所测光谱采用从仪器光谱（Slaves）进行模型传递。然后，采用PDS算法来消除或减小主、从仪器间光谱的差距。